嵌入式 AI，让AI无处不在
导读：本次内容20条。ARM 和 恩智浦 在低功耗Cortex-M和单片机上地动态、AI测温产业非常值得关注。ARM 发布 Cortex-M55 和 Ethos-U55 系列，适合语音AI模型推理，ARM也发布用Cortex-M系列部署机器学习、Cortex-M结合CMSIS-NN 部署卷积网络模型的白皮书等等，NXP工程师也在 MCU 上实现并发布人脸识别、性别识别Demo及相关...
在复现 Side window 中值滤波的时候就在思考中值滤波能怎么优化，直观上看中值滤波好像没什么可优化的点，因为中值滤波需要涉及到排序，而且半径越大，排序的耗时也越大。那么中值滤波能否进一步加速呢？或者像均值滤波一样，可以不受滤波半径的影响呢？作者：梁德澎首发知乎：[链接]
本文复现的是CVPR2019 Oral论文Side Window Filtering。作者：梁德澎首发知乎：[链接]
github：[链接]知乎：[链接]
MNN是一个轻量级的深度神经网络推理引擎，在端侧加载深度神经网络模型进行推理预测。作者：开心的派大星首发：微信公众号：NeuroMem转自：[链接]
导读：虽然TensorFlow用户众多，但是推理框架这方面，其他家做的都很好。就从我的角度来看，市面上较为知名的如腾讯的NCNN，因其开源早，且社区一直有作者在维护，文档详细、例子充分、业内使用最为广泛，也基于Vulkan支持手机GPU。再就是小米自研的MACE，整体代码和文档质量高，不仅支持CPU、GPU（高通Adreno GPU的实现...
导读：本次内容20条，关于BERT有4条。「业界新闻」搜狗的手机AR实景导航挺有意思，其中「论文」三篇BERT量化/加速方面的文章，「开源项目」基于端MNN的上层SDK MNNKit、浏览器端BLAS库值得关注，「博文」关于兼顾速度精度与工程实现的CNN结构设计的技巧值得一看，以及TFLITE端侧基于部分层训练的迁移学习实战！微信公众...
关注模型压缩、低比特量化、移动端推理加速优化、部署
